Estadística General – Ingeniería Ambiental

UNIVERSIDAD LATINOAMERICANA CIMA

Carrera: CONTABILIDAD

ESTADISTICA GENERAL

UNIDAD I: Generalidades de Estadística

Dr. Eli Espinoza Atencia

 • Estadística: Definición y objetivos

DEFINICIÓN
«Estadística es el estudio de los métodos para
coleccionar, resumir, organizar, presentar y analizar
información de datos.»

«En la colección de datos de un grupo de observaciones, a

menudo es imposible o impráctico observar toda la
población. De manera qué, en lugar de examinar el grupo en
su totalidad, llamado la población o universo, es
conveniente examinar solamente una parte de la población
llamada muestra.»

2
 ¿Que es Estadística?

La ciencia pura y aplicada (no exacta), que

crea, desarrolla y aplica técnicas de modo que pueda evaluarse la
incertidumbre.
– Ciencia: "un conjunto de conocimientos comprobados y
sistematizados".
– Pura: Por que estudia ciertos procesos teóricos.
– Aplicada: En cuanto se encarga de resolver problemas específicos.
– No exacta: No podemos obtener un resultado único, si no
probabilidades de resultados esperados.
 APLICACIÓN DE LA ESTADÍSTICA

 ¿Como se debe planear un programa de trabajo para obtener

datos que permitan deducir conclusiones válidas para un
estudio relacionado con poblaciones?

 ¿Cómo se pueden analizar los datos de una muestra?

 ¿Qué conclusiones se pueden extraer del análisis estadístico?

 ¿Qué grado de confianza se puede tener en las conclusiones?

4
 EN EL MUNDO ACTUAL

Vivimos en una “sociedad cuantitativa”,

¿Cómo generar datos que tengan información relevante? y

¿Cómo extraer mediante análisis adecuado dicha información
de los datos?

La respuesta para ambas interrogantes es el objeto de la Ciencia

Estadística.

5
 Historia

•Origenes en juegos de azar y censos.

•Siglo XVIII desarrolló teoría de Probabilidades (Gauss, Laplace, Bayes, etc). Discusión
filosófica sigue hasta ahora.
•Muchas teorías, principalmente de carácter biológico como las de Mendel o Darwin
tuvieron bases estadísticas
•Mayoría de métodos modernos se desarrollaron desde mediados del siglo XIX y
principios del XX (Pearson, Student, Fisher…), principalmente para uso en biología,
agricultura y genética
 Objetivo de la Estadística

• Inferir significa predecir, suponer, asegurar. Es decir se pretende

establecer inferencia acerca de una población.
• El objetivo básico de la estadística es hacer inferencia acerca de una
población basada en la información contenida en una muestra.
• Entendiendo a la población como un conjunto de individuos,
organismos o entes inanimados de los cuales queremos conocer
alguna o algunas características para que nos ayuden a tomar una
decisión u obtener alguna conclusión de suma importancia.
 Conceptos básicos
Población, muestra, característica en estudio, datos estadísticos

Población
Conjunto de individuos, organismos o entes
inanimados de los cuales queremos conocer
alguna o algunas características
Muestra
Parte de una población, seleccionada por
técnicas estadísticas, en la que a cada uno
de sus miembros se toma la característica
que se quiere estudiar
 Conceptos básicos
Muestra poblacional, característica en estudio, datos estadísticos
Característica

a1
X(a1) = x1
a2 X
X(a2) = x2
...
...
Muestra an
X(an) = xn

     
          
Población muestral
Datos estadísticos muestrales
 Uno de los objetivos de la Estadística

a1 X(a1) = x1

a2 Característica X(a2) = x2

X ... Inferencia
...
a3 X(an) = xn
Muestra
               

Población Datos estadísticos

muestral muestrales Población
Ejemplo: Queremos estudiar la estatura de la mujer Peruana

Obtenemos una muestra, y

estas mujeres les medimos su
estatura

Población: todas
las mujeres de
Perú
 Atributo y dato estadístico

Elemento muestral Atributo que se mide

Muestra

Dato estadístico

• Obtener una muestra.

• Resumir datos.
• Haciendo inferencias de una población, basado en los resultados de la muestra.
• Obteniendo un modelo más simple para un grupo de datos
Tipos de Estadistica
 1. De acuerdo con el fin del análisis:
Estadística descriptiva vs inferencial

• La Estadística Descriptiva tiene como fin describir un conjunto de datos. Es decir,

recoge, organiza y sintetiza la información.

– Trata resumir e interpretar datos para poder describir una población.

– Enumeración, organización y representación gráfica de los datos.

• La Estadística Inferencial tiene como fin hacer inferencias a partir de una muestra sobre una población. Es decir, cómo se tiene que realizar el proceso de
extrapolación de los resultados.
– Usa la teoría de la probabilidad para extraer conclusiones acerca de una población, a partir de la información incompleta de los datos obtenidos en una
muestra: Estimación, Comparativa y Predictiva
2. De acuerdo con la metodología aplicada: Estadística Paramétrica
vs Estadística no Paramétrica
• En la Estadística Paramétrica, que es la más exigente, las variables son
cuantitativas y deben cumplirse los supuestos paramétricos:
– Los datos obtenidos se ajustan a la distribución normal.
– Homogeneidad de la varianza (medida de dispersión) entre grupos.

• En la Estadística no Paramétrica se utiliza a partir de escalas nominales u

ordinales con variables cualitativas, o bien, cuando no se cumple alguno de los
tres supuestos anteriores.

Por lo tanto, es muy importante realizar un análisis previo de los datos, de qué
clase son, cómo se distribuyen y qué tipo de estadísticos se pueden aplicar
 3. Según el número de variables que atiende el análisis: Estadística
Univariada, Bivariada y Multivariada.
• La Estadística Univariada incluye todas las técnicas que hacen referencia a la
descripción e inferencia de una sola variable.

• La Estadística Bivariada incluye todas las técnicas que hacen referencia a la

descripción de dos variables

• La Estadística Multivariada se utiliza al trabajar con tres o más variables. Su

análisis se ha facilitado con la aplicación de programas informáticos como el
SPSS.
 Variables

Una variable es una propiedad que puede variar y cuya

variación es susceptible de medirse.

Ejemplos de variable: método de enseñanza, aprovechamiento

escolar, edad, género, inteligencia, motivación, ingreso
económico, violencia, contenido de Pb y Ar.

17
18
 Dicotómicas 1. Caso único

Nominales 2. Cerradas
3.Semicerradas
Politómicas 4. Abiertas
Variables
5. Mixtas
Categóricas
6. No excluyentes

Ordinales 7. Caso único

¿Qué es una variable Una variable cuantitativa es aquella que
cuantitativa? tiene magnitud: puede medirse; es
continua: puede tomar cualquier valor
numérico (por ej., estatura); y es discreta:
establece categorías en términos de
números enteros (por ej., número de sujetos
que asistieron a un evento).
¿Qué es una variable Una variable cualitativa NO presenta una
cualitativa? cualidad de magnitud, se incluye en
categorías.

20
A qué se refiere el nivel La escala de medida nominal tiene como
de medición nominal? fin nombrar y categorizar con el fin de
(Ejemplo) distinguir, puede considerarse la escala de
nivel más bajo (las categorías NO indican
orden ni jerarquía). Se trata de agrupar
objetos en clases. Las categorías únicamente
reflejan diferencias en la variable.
Ejemplo:
sexo: 1=Femenino; 2=Masculino

21
¿A qué se refiere el La escala ordinal presenta varias categorías
nivel de medición que mantienen un orden de mayor a menor, las
ordinal? etiquetas de las categorías indican jerarquía.
(Ejemplo) Estas escalas, recurren a la propiedad de
«orden» de los números. Las medidas ordinales
tienen imprecisas diferencias entre valores
consecutivos, pero un orden interpretable para
sus valores.
Ejemplo: Posición jerárquica de una empresa:
10=presidente; 9= vicepresidente; 8= director
general; 7= gerente de área; 6= subgerente; 5=
jefe; 4= empleado

22
¿A qué se refiere En la escala de intervalos además del orden o la jerarquía
el nivel de entre categorías, se establecen intervalos iguales en la
medición de medición, por lo que permite determinar la magnitud de los
intervalos? intervalos (distancia) entre todos los elementos de la
(Ejemplo) escala.; está caracterizada por una unidad de medida común
y constante. Es importante destacar que el punto cero en las
escalas de intervalos iguales es arbitrario, y no refleja en
ningún momento ausencia de la magnitud que estamos
midiendo (por ej., las mediciones de coeficiente intelectual o
temperatura en grados Celsius).
Ejemplo: una prueba de matemáticas: si Ana resolvió 10
problemas, Laura 20 y Abigail 30, la distancia entre Ana y
Laura, es la misma que entre Laura y Abigail.

23
¿A qué se refiere el nivel de La escala de coeficientes o Razones es el nivel
medición de razón? de medida más elevado y se diferencia de las
(Ejemplo) escalas de intervalos iguales únicamente por
poseer un punto cero propio como origen
(además de tener las otras propiedades: períodos
iguales entre las categorías, etc.); es decir que el
valor cero es real y absoluto (significa ausencia
de la magnitud que estamos midiendo).
Ejemplo: número de minutos viendo la TV o
usando el Internet; número de hijos, ventas de un
producto, ingreso, etc.

24
 EJEMPLO

• Problema de Investigación: Se quiere establecer el perfil de las industrias de conserva en función de algunas
características.
• Unidad de Análisis: Industria de Conserva
• Población: Industrias de Conservas del país

Variables
- Tipo de Industria: se clasifica en industria tipo A, B, C o D (cualitativa
(cualitativa nominal)
nominal)
- Nº de Empleados: se refiere al número de empleados en las líneas de producción (cuantitativa
(cuantitativa discreta)
discreta)
- Superficie: se refiere a los metros cuadrados (unidad
(unidad de medida)
medida) disponibles para las áreas de producción
(cuantitativa continua)
continua)
- Calificación: calificación realizada por una institución pública sobre cumplimiento de ciertos estándares (Muy
Bien, Bien, Regular, Mal) (cualitativa
(cualitativa ordinal)
ordinal)

Datos
Industria nº Tipo Nº Empleados Superficie Calificación
1 A 100 1000,6 Muy Bien
2 B 150 1200,4 Bien
. . . . .
. . . . .
. . . . .
299 D 250 800,3 Mal
300 C 300 4000,2 Regular

25
 Tipo de variables

Ejemplo:
Determinar el tipo de variable. Si son variables cualitativas
(nominal u ordinal) o cuantitativas (discretas o continuas).
a) Marca de automóvil.
b) Duración de un disco compacto (segundos).
c) Número de temas de un disco compacto.
d) Nivel educacional (básica, media, universitaria).
e) Temperatura al mediodía en Ilo (grados Celsius).
f) Estado civil (soltero, casado, divorciado, viudo).
g) Cantidad de lluvia en un año en Tacna (mm3).

26
 Métodos gráficos y numéricos para describir variables
cualitativas
Definición:
•La distribución de una variable nos da los valores posibles de la variable y cuantas veces ocurren. La distribución de una variable nos muestra la forma en que varia la
variable.

Tablas de distribución de frecuencias.

•Lo primero que hacemos al querer describir variables cualitativas es contar cuántas
unidades caen en cada categoría de la variable. Esto lo presentamos en una tabla de
distribución de frecuencias de la forma:

27
Diagrama de sectores

Se toma un círculo y se divide en tantos sectores como

categorías tenga nuestra variable, siendo el arco del
círculo proporcional a las frecuencias absolutas (también
lo podemos hacer con las frecuencias relativas o
porcentajes)

Es ideal para variables dicotómicas o politómicas de

cuatro o menos categorías.

www.CursodeEstadistica.com
Métodos gráficos y numéricos para describir variables
cualitativas

29
Gráfico de barras

Es una representación bidimensional con las categorías

dispuestas paralelamente de manera que la extensión
de cada barra es proporcional a la magnitud que se
quiere representar.

Es ideal para variables politómicas o incluso para

variables de categorías no excluyentes.
MÉTODOS GRÁFICOS PARA DESCRIBIR VARIABLES CUANTITATIVOS
Gráficos de puntos

31
 Histograma

60 Se utiliza cuando se estudia una variable

50 continua, como la edad, peso o la talla y,

40
por comodidad, sus valores se agrupan

30
en clases, es decir, valores continuos.

20
En los casos en los que los datos son
10
cualitativos, es preferible un gráfico de
1 2 3 4 5 6 7
barras.
 Histograma

Histograma de Edad
Veamos nuevamente las edades de la base de datos médica. El rango va de 32 a 51,
entonces podemos crear clases que comiencen en 30 con incrementos de 5 hasta 55.
Puede intentar diferentes clases con distinto ancho hasta obtener una buena
representación.
33
Histograma cont.

34